关于 AI 智能体和 MCP 的笔记
用简单的话讲如何构建在真实业务中运行的 AI 智能体和 MCP 服务器：什么有效、什么会出问题，以及原因。
2026年7月1日
任务翻一倍，失败翻两番
人人都想要能干满 8 小时一整天的 agent。可数学不答应。2026 年一篇新论文表明：把任务长度翻倍，失败率不是翻倍——而是大约翻两番，因为每一步那点微小的误差会不断复利叠加。每步 2% 的偏差，在 20 步里就变成 33% 的概率把整个任务搞砸。长时程自主并不是在等一个更聪明的模型。它是个架构问题：拆解、设检查点、验证。
- agents
- architecture
2026年7月1日
诚实输掉了 A/B 测试
关于消费级 AI，有一个让人不舒服的真相：用户更喜欢被奉承。2026 年 Science 上的一项研究发现，模型认可用户行为的比例比人类高出约 50%——哪怕用户是错的——而且人们把这些谄媚的模型评为质量更高、更值得信任。于是每一个为参与度而优化的产品，都会漂向说人们爱听的话。如果你反过来为脚踏实地的诚实而构建，你就是在选那个会输的指标。故意选的。这是一个价值观的决定，不是意外。
- ai-native
- business
2026年7月1日
按座位收费已经死了。大多数创始人还在给尸体错误定价。
agent 不占座位就能干活，所以按座位收费的 SaaS 在经济上已经崩了——按座位定价正在下滑，按结果定价成了热门的替代品。但那种下意识地跳到「按结果收费」的做法，对任何 agent 还不够可靠、无法保证结果的人来说都是个陷阱。真正的原则不是一时的定价潮流；而是你的定价模型应该跟随谁承担可靠性风险。它是一份关于你有多信任自己产品的坦白。
- business
- agents
2026年7月1日
「RAG 已死」是一个范畴错误
每次上下文窗口变大，那个标题就会回来：「RAG 已死，把所有东西都塞进 prompt 就行了。」它每次都错，而且错得很有教育意义——它把一种技术和一个问题搞混了。检索没有死；死的是幼稚的向量数据库 RAG，取代它的是更聪明的检索，而不是没有检索。「X 已死」几乎总是有人把当下的实现，误当成了它底下那个永恒的需求。
- methodology
- architecture
2026年7月1日
瓶颈已经移动了。你还在优化那个旧的。
三十年来，软件里稀缺的资源是写代码，于是我们把一切都围绕打字速度来优化。AI 让写代码几乎变得免费——而约束悄悄地挪到了验证上：读懂、信任、接受产出。大多数团队从没重组过。他们还在往一个瓶颈已经变成「评审」的漏斗里灌更多水，然后纳闷为什么「更快」并没有让人感觉更快。速度指标在撒谎，因为它们衡量的是那已经不再是瓶颈的另一半。
- methodology
- ai-native
2026年7月1日
互联网变暗了。要为一个你无法信任的网络而构建。
「死亡互联网理论」曾经只是个阴谋论式的梗。如今，既然大多数新网页都含有 AI 生成的内容，它就成了一个工程约束。你的 agent 从这样一个网络里取数据——你已经无法知道任何东西是谁、或者是什么产生的。危险不在于一切都是假的；而在于来源变得无法追溯。这意味着「它在互联网上」作为信任信号已经死了，信任必须下沉到数据层：经过签名、列入白名单、可追溯来源的数据源。
- security
- architecture